南大钱超团队突破百亿晶体管挑战，AI领域再掀创新高潮！

南京大学人工智能学院的LAMDA组钱超教授带领的团队，在电子设计自动化（EDA）领域取得了显著成就。他们针对芯片设计中百亿晶体管布局这一长期难题，提出了一种创新的解决方案。这项研究在近期举行的DATE 2025国际学术会议上发表，并荣获最佳论文奖，为AI领域带来了新的突破。

在芯片设计的世界里，如何为成百亿个晶体管找到最佳的布局位置，一直是一个技术挑战。钱超教授团队的研究成果，通过一种时序驱动的布局方法，巧妙地结合了效率和精度，成功解决了这一难题。

EDA行业，作为芯片设计的基石，对人工智能、物联网、云计算等技术的发展至关重要。布局是芯片设计流程中的关键环节，它直接关系到芯片的性能、功耗和面积。因此，如何设计出最优的布局方案，一直是行业面临的重大挑战。

钱超教授团队的研究，提出了一种全新的时序驱动布局方法，其核心是“智能关键路径提取”技术。这项技术能够快速识别出需要优化的关键路径，将分析速度提升了六倍。与传统的布局方法相比，这一创新在时序分析上实现了显著加速，同时还能精确捕捉时序违例路径上的引脚对，建模时序信息，从而在提升时序指标的同时，几乎不增加整体线长。

在ICCAD-2015竞赛数据集上的广泛对比显示，钱超教授团队的方法在TNS指标上比最先进的开源布局算法DREAMPlace 4.0提升了60%，这一成果充分证明了他们创新方法在实际应用中的优势。

钱超教授及其团队的研究并非一蹴而就。他们长期致力于建立理论基础，并在2019年出版了专著《Evolutionary Learning: Advances in Theories and Algorithms》，了过去二十年的主要工作。这种对理论研究的重视，为他们的创新提供了坚实的支撑。

除了理论研究，钱超教授团队还设计了一系列原创的领先算法，针对芯片设计中的复杂优化问题，如宏元件布局、全局布局等，实现了显著的性能提升。例如，他们在NeurIPS’23上发表的工作，通过训练策略对已有布局进行高效微调，在时序和拥塞等指标上均取得了显著提升。

这些技术已经在华为海思得到应用，攻克了“EDA专题难题超高维空间多目标黑盒优化技术”，将芯片寄存器寻优效率平均提升了22.14倍。这些成果不仅展示了南大钱超团队的实力，也表明了他们在推动AI技术在芯片设计领域应用方面的重要贡献。

总的来说，钱超教授团队在DATE 2025上的突破性成果，为AI领域带来了一场革命。他们的创新方法和领先算法，不仅提高了芯片设计的效率和质量，也为其他领域的应用提供了新的思路和可能性。我们期待他们在未来的研究中继续取得更多突破，为人工智能的发展做出更大贡献。